Rozpocznij pracę z agentami sztucznej inteligencji

Skompiluj i wdróż pierwszego agenta sztucznej inteligencji przy użyciu szablonów usługi Databricks Apps. W tym samouczku nauczysz się:

• Kompilowanie i wdrażanie agenta z poziomu interfejsu użytkownika aplikacji usługi Databricks.
• Rozmowa z agentem przy użyciu wstępnie utworzonego interfejsu czatu.

Wymagania wstępne

Włącz aplikacje usługi Databricks w obszarze roboczym. Zobacz Konfigurowanie obszaru roboczego usługi Databricks Apps i środowiska programistycznego.

Wdrażanie szablonu agenta

Rozpocznij pracę przy użyciu wstępnie utworzonego szablonu agenta z repozytorium szablonów aplikacji usługi Databricks.

Ten samouczek używa szablonu agent-openai-agents-sdk, który obejmuje:

• Agent utworzony przy użyciu zestawu SDK agenta OpenAI
• Kod początkowy dla aplikacji agenta z interfejsem API REST konwersacji i interaktywnym interfejsem użytkownika czatu
• Kod do oceny agenta przy użyciu biblioteki MLflow

Zainstaluj szablon aplikacji przy użyciu interfejsu użytkownika obszaru roboczego. To instaluje aplikację i wdraża ją do zasobu obliczeniowego w twoim obszarze roboczym.

1. W obszarze roboczym usługi Databricks kliknij pozycję + Nowa>aplikacja.

2. Kliknij Agenci>Agent – SDK Agentów OpenAI.

3. Utwórz nowy eksperyment MLflow o nazwie openai-agents-template i ukończ resztę konfiguracji w celu zainstalowania szablonu.

4. Po utworzeniu aplikacji kliknij adres URL aplikacji, aby otworzyć interfejs użytkownika czatu.

Omówienie aplikacji agenta

Szablon agenta przedstawia architekturę gotową do produkcji z następującymi kluczowymi składnikami:

MLflow AgentServer: asynchroniczny serwer FastAPI obsługujący żądania agenta z wbudowanym śledzeniem i obserwacją. AgentServer udostępnia /invocations punkt końcowy do wykonywania zapytań dotyczących agenta i automatycznie zarządza routingiem żądań, rejestrowaniem i obsługą błędów.

Zestaw SDK agentów OpenAI: szablon używa zestawu SDK agentów OpenAI jako struktury agentów do zarządzania konwersacjami i organizowania narzędzi. Agentów można tworzyć przy użyciu dowolnej platformy. Kluczem jest opakowanie agenta przy użyciu interfejsu MLflow ResponsesAgent.

ResponsesAgent interfejs: ten interfejs zapewnia, że agent działa w różnych strukturach i integruje się z narzędziami usługi Databricks. Skompiluj agenta przy użyciu zestawu OpenAI SDK, LangGraph, LangChain lub czystego języka Python, a następnie opakuj go, aby uzyskać automatyczną zgodność z narzędziami ResponsesAgent AI Playground, Agent Evaluation i Databricks Apps.

Serwery MCP (Model Context Protocol): szablon łączy się z serwerami MCP usługi Databricks w celu uzyskania dostępu do agentów do narzędzi i źródeł danych. Zobacz Protokół MCP (Model Context Protocol) w usłudze Databricks.

Dalsze kroki

Dowiedz się, jak utworzyć agenta niestandardowego: tworzenie agenta sztucznej inteligencji i wdrażanie go w usłudze Databricks Apps